Dans les entrailles de Snips, l’assistant vocal intelligent français

DÉCRYPTAGE

Snips est l’assistant vocal français respectueux des données personnelles, concurrent d’Alexa d’Amazon et de Google Assistant.

Comment fonctionne concrètement un service utilisant l’intelligence artificielle!? La startup française Snips propose à ses clients de construire leur propre assistant connecté, capable de répondre à des requêtes vocales. Pour y parvenir, elle leur met à disposition trois briques technologiques, qui utilisent trois types d’intelligence artificielle. le directeur des nouvelles technologies (CTO) de la startup, Joseph Dureau, nous a expliqué leur fonctionnement.

TRANSFORMER LES PAROLES EN TEXTE

L’assistant vocal utilise un algorithme de reconnaissance automatique de la parole (une des branches de l’apprentissage profond, voir le lexique ci-contre) pour transcrire les paroles de l’utilisateur en texte. Afin de trouver le modèle final, les chercheurs ont essayé plusieurs architectures de réseaux de neurones, entraînés sur une base de 10!000 heures d’enregistrements de voix. Chacun présente des caractéristiques (bruits ambiants, accents, volume du son…) différentes, afin que l’IA finale puisse comprendre la requête dans le maximum de situations. Chaque entraînement peut durer jusqu'à une douzaine de jours, et est effectué sur de puissantes machines dans le cloud. « On peut lancer une cinquantaine d’entraînements en parallèle. Une fois qu’on a les résultats, on réitère avec d’autres architectures proches de celles qui ont le mieux performé » , développe le CTO. Ce processus implique aussi une phase de tâtonnement. En tout, les chercheurs prennent entre deux et trois mois pour trouver le modèle le plus performant pour transformer les paroles en texte. Et il faut répéter l’effort pour chaque langue. « Mais au moins, le modèle est entrainé une bonne fois pour toutes. »

DONNER UN SENS AU TEXTE

Une fois le texte retranscrit, un algorithme de compréhension du langage naturel (une des branches de l’apprentissage automatique) a pour mission de déchiffrer son sens. Il est capable de comprendre le vocabulaire et les structures de phrases. Cet algorithme s’entraîne juste en quelques secondes, puisqu’il se nourrit que de données textuelles, très légères, et n’utilise pas de réseaux de neurones. Il permet d’intégrer du vocabulaire spécifique à un métier, à une entreprise ou à une personne en très peu de temps. Surtout, ce type d’algorithme est ajustable à partir de pratiquement n’importe quelle puce informatique, et n’a pas besoin de matériel spécialisé en IA. Les clients de Snips peuvent par exemple l’utiliser sur un réfrigérateur connecté.

ACTIVER L’ASSISTANT CONNECTÉ

« Dis Siri », « OK Google », « Alexa »... Les assistants connectés ont besoin d’être interpellés par un wake-word (mot déclencheur) pour activer la reconnaissance vocale. Snips propose aux entreprises de personnaliser le leur. Pour y parvenir, la startup utilise un petit algorithme d’apprentissage profond. Le jeu de données qu’elle lui fournit est composé d’enregistrements de 800 personnes qui disent cinq fois le mot d’activation souhaité par le client, et cinq fois quelque chose de complètement différent. « Cet algorithme a des oeillères car il ne doit se déclencher que sur une commande très précise. Puisqu’il est exposé en permanence au bruit, il fonctionne tout le temps. Il doit donc être peu énergivore en ressources informatiques » , précise Joseph Dureau. L’entraînement de ces petits algorithmes ne prend que deux jours maximum. Assemblez ces trois briques, et vous obtenez l’assistant connecté de Snips. Derrière chaque grande intelligence artificielle peut se cacher plusieurs algorithmes – et donc IA – distincts.

nF. M.